Question

我知道我可以通过输入2D数组并指定一个轴来向量化np.argmax，例如：np.argmax(2Darray,axis=1)以获取每行的最大索引。

我知道在一个1D向量中两个条目相等的情况，因此我希望返回最大索引，我可以通过np.random.choice（np.flatnonzero（1Dvector == 1Dvector.max（））进行平局）

问题是，我怎么能一起做？即：如何将np.argmax向量化，从而使相等的条目随机平局？

Answer 1

这是一种方法。对于大数据，可以考虑用更便宜的东西代替permutation。我已经对axis=1进行了硬编码，但这不应掩盖其原理。

def fair_argmax_2D(a):
    y, x = np.where((a.T==a.max(1)).T)
    aux = np.random.permutation(len(y))
    xa = np.empty_like(x)
    xa[aux] = x
    return xa[np.maximum.reduceat(aux, np.where(np.diff(y, prepend=-1))[0])]

a = np.random.randint(0,5,(4,5))
a
# array([[2, 2, 2, 2, 1],
#        [3, 3, 3, 3, 2],
#        [3, 4, 2, 1, 4],
#        [3, 2, 4, 2, 1]])

# draw 10000 times
res = np.array([fair_argmax_2D(a) for _ in range(10000)])

# check
np.array([np.bincount(r, None, 5) for r in res.T])
# array([[ 2447,  2567,  2449,  2537,     0],
#        [ 2511,  2465,  2536,  2488,     0],
#        [    0,  5048,     0,     0,  4952],
#        [    0,     0, 10000,     0,     0]])

如何获得矢量化的np.argmax随机决胜局？

1 个答案: